Ik ben Berend, Data scientist bij Data Science lab. Momenteel werk ik aan een paar projecten tegelijk: Buddyhuis, China Southern Airlines en ontwikkel ik mee aan de onze eigen urenapp. Ik woon samen met mijn vriendin in de Jordaan. Buiten werkuren om ben ik vaak op de tennisbaan te vinden; soms voor werk (om 07:00) en soms daarna. Verder ben ik een groot fan van de Formule 1 (vroeger heb ik zelf namelijk de kartsport beoefent, 2e NK 2012).

Waar heb je gewerkt voordat je bij Data Science Lab begon? 

Ik heb een Master Digital Business & Analytics aan de UvA gedaan. Daarnaast doe ik momenteel nog (part-time) mastervakken statistiek & data science aan MIT. Voordat ik bij DSL ben begonnen heb ik twee jaar gewerkt als data scientist bij De Volksbank en als strategisch analyst bij de NH Hotel Group.

Wat zijn de werkzaamheden als ‘Data Scientist’ bij Data Science Lab en wat vind jij persoonlijk het meest interessant hiervan? 

De werkzaamheden zijn vrij breed: van ‘het ontdekken wat een opdrachtgever precies wil met de data en het definiëren van KPI’s en use-cases’ tot ‘het deployen van modellen en deze laten landen in de organisatie’. Persoonlijk vind ik niet slechts één aspect interessant, maar juist de combinatie maakt het uitdagend. Ook merk ik dat ik het consultancy aspect van mijn baan erg leuk vind; het ontdekken van behoeftes van opdrachtgever en deze vertalen naar data-gedreven oplossingen. Dit is soms vrij uitdagend, omdat opdrachtgevers vaak zelf nog niet helemaal weten waar ze moeten beginnen of wat ze precies willen bereiken met data.

Hoe voer je de werkzaamheden in de huidige situatie uit? 

Ik werk nu ongeveer 1 à 2 dagen per week op kantoor en de rest vanuit huis. Dit is voor mij een ideale combinatie. Ik kan mij namelijk zeer goed concentreren in mijn eentje. Ook vind ik het leuk om regelmatig met collega’s te zijn. Thuis heb ik “mijn kantoortje”: een goed bureau, een goed scherm, toetsenbord en muis en de benodigde software en tooling om werk te kunnen doen.

Wat is binnen jouw huidige project de grootste technische uitdaging? 

Wij zijn momenteel voor Het Buddyhuis een app aan het ontwikkelen waarin patiënten in een vertrouwde en beveiligde omgeving met elkaar kunnen chatten. Dit is nu nog een relatief klein opgezet project voor één ziekenhuis, maar in de toekomst gaan wij dit samen met het Buddyhuis beschikbaar stellen voor meerdere ziekenhuizen en patiëntengroepen. Al meer dan 7 ziekenhuizen hebben aangegeven interesse te hebben! De technische uitdaging zit hem voornamelijk in het rekening houden met meerdere diverse gebruikers van de app. Dit komt in alles terug: in het ERD, in de manier waarop we de app opzetten, tot aan de manier waarop we user-journey’s schetsen.

Wat is volgens jou de grootste misvatting van data science? 

Dat “Data science / A.I. / Machine Learning <insert buzzword>’ iets magisch is en alles kan oplossen en/of voorspellen. Dit is niet waar. Data science kan enorm veel doen, voor allerlei industrieën en bedrijven, mits het probleem helder en duidelijk is. Vaak wordt er blind gestart met het toepassen van Data science, zonder een duidelijk doel voor ogen te hebben; mijns inziens is dit fout nummer één bij veel bedrijven die de ambitie om “datagedreven” te zijn willen waarmaken. Daarom probeer ik bij opdrachtgevers ook altijd goed door te hameren op ‘wat het precies is dat ze graag opgelost zien’, hoe ze dat gaat helpen of andere voordelen (tijd/winst/minder kosten) gaat opleveren, en of daarnaast de juiste data en andere benodigde resources wel beschikbaar zijn. Als dit allemaal duidelijk is, is het opleveren van een werkend data-science product of oplossing een kleine volgende stap.

Hoe zie jij data science over 10 jaar? 

Steeds meer naar applicaties/dashboards/compleet pakket toe. Opdrachtgevers willen niet alleen meer lastige output, maar willen dit ook helder gepresenteerd krijgen.

Welk probleem zou jij ooit nog willen oplossen middels data science? 

Volgens mij hebben collega’s van mij het ook al benoemd, maar ik denk dat er nog veel te behalen valt met data science binnen sport. Ik zou het gaaf vinden als wij data science toegankelijk en van waarde maken voor allerlei sporters, niet alleen de profs in de hoogste regimes van de sport. Ik zou mij ten eerste graag willen focussen op de kartsport (om de autosporttalenten van de toekomst datagedreven te begeleiden). Daarnaast denk ik dat wij tennissers ook goed zouden kunnen helpen; ik weet toevallig dat de top 50 ATP-spelers al data gebruiken om hun spel te verbeteren. Het lijkt mij mooi als we de Nederlandse tennistop deze tools ook kunnen aanreiken om verder te komen. Als ik er nu over na denk, zie ik “Data Science Sports” wel als een potentiële business unit van ons bedrijf worden!

Meer collega's ontdekken